자질 가중치의 기계학습에 기반한 한국어 의존파싱 (Korean Dependency Parsing Based on Machine Learning of Feature Weights)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회논문지 : 소프트웨어 및 응용 / 38권 / 4호 / 214 ~ 223페이지
· 저자명 : 임수종, 김영태, 나동열

초록

본 논문에서는 자질(feature)의 가중치를 학습하여 이용하는 기계학습 기반 한국어 의존 파싱의 한 기법을 소개한다. 시스템의 자질 집합은 모든 가능한 의존관계에 대하여 일정한 수의 자질들을 생성하여 구축한다. 자질마다 가중치에 의하여 그 중요도를 나타낸다. 자질 가중치 값은 의존관계가 부착된 학습 코퍼스(corpus)를 이용하여 학습한다. 이를 위해 세종 구구조 부착 코퍼스와 ETRI 의존구조 부착 코퍼스를 이용하였다. 우리가 채택한 학습 기법은 온라인(online) 학습알고리즘이다. 이것은 최대-마진 (max-margin) 개념에 기반한 MIRA 학습 알고리즘에서 소개한 것과 유사한 기술을 사용한다. 실험 결과 우리 파싱 시스템의 성능은 세종 코퍼스에 의하여 개발하는 경우 의존관계 정확도 88.15%, ETRI 코퍼스를 이용하여 개발하는 경우 의존관계 정확도 88.06%인 것으로 측정되었다. 이는 우리의 기법으로 높은 성능의 한국어 의존 파싱 시스템의 개발이 가능함을 나타낸다.

영어초록

In this paper, we introduce a method for Korean dependency parsing based on machine learning by learning and using feature weights. The set of features of the system is constructed by generating a given number of features for every possible dependency relation. The degree of importance of a feature is represented by its weight. The weights are learned by using a training corpus in which dependency relations are tagged for each sentence. For this purpose, we used Sejong corpus tagged with phrase-structure trees and the ETRI corpus tagged with dependency structures. The training method we adopted is an on-line learning algorithm. It exploits a technique similar to that of the MIRA learning algorithm which is based upon the concept of max-margin. The experimental results showed that our parsing system’s performance was 88.15% of dependency relation accuracy when developed with Sejong corpus and 88.06% of accuracy when developed with ETRI corpus. This demonstrates that our method allows a development of a Korean dependency parsing system with high performance.

참고자료

· 없음